一篇非常详细的综述,建议大家直接看原文和repo:
paper: https://www.mdpi.com/1658676
code: https://github.com/ZHOUYI1023/awesome-radar-perception
一、介绍
![](https://i-blog.csdnimg.cn/blog_migrate/378f9faee8d739dfbda7a2b9d47a695a.png)
二、雷达信号处理基础
2.1 FMCW Radar Signal Processing
![](https://i-blog.csdnimg.cn/blog_migrate/32da534e20d677b332f5cfa49237f95e.png)
一发一收能够测出位置和相对速速
在此基础上, 增加Tx 或者 Rx天线,能够测出方位
传统雷达只在横向布置天线,因此只有azimuth信息, 4D毫米波添加纵向天线,因此有azimuth和elevation信息
2.2 Radar Performance
![](https://i-blog.csdnimg.cn/blog_migrate/4df004819e03bc721b2af6f1d2ad54cd.png)
三、数据集、标注和增强
3.1 数据集
![](https://i-blog.csdnimg.cn/blog_migrate/2bf25646b59172418eab5f144c3afc86.png)
3.2 外参标定
![](https://i-blog.csdnimg.cn/blog_migrate/dbe75af08ad18f799fe5ee47c90ec46c.png)
3.3 数据标注
step1: 激光和图像先标
step2:用外参和运动信息投影到radar坐标系
3.4 增强
![](https://i-blog.csdnimg.cn/blog_migrate/df6aa4ce6ff2c88938408d945868ae75.png)
由于radar数据比较稀疏, 多帧叠加也是一种常用手段
3.5 仿真数据
主要分仿真数据和生成式数据两类
四、深度和速度估计
(略)
五、目标检测
![](https://i-blog.csdnimg.cn/blog_migrate/25c96ef09957df93fecb9de266227283.png)
六、多传感器融合
![](https://i-blog.csdnimg.cn/blog_migrate/44b042ec95003fd452d45789a9c09530.png)